DeepMind与衰老：人工智能识别逆转细胞年龄的基因

每隔一二十年，总会有那么一个时刻，两个独立发展的领域相互碰撞，并永远改变彼此。就像计算与遗传学相遇，催生了生物信息学一样。如今，我们再次见证这样的时刻：人工智能与衰老生物学相遇。

2026年5月19日，AlphaFold和AlphaGo背后的AI实验室Google DeepMind发布了其在衰老领域的新工作方向。此次公告的核心工具名为Co-Scientist：一套基于Gemini模型构建的多智能体AI系统，其功能是扫描科学文献、生成假设、相互比较并排序。研究团队利用它来寻找能够将衰老细胞逆转至更年轻状态的遗传候选因子。简单来说，该系统试图回答长寿研究者们二十年来一直在问的问题：需要开启或关闭哪些基因才能重置细胞年龄？

区别在于速度。将筛选实验数据与数万篇科学论文关联起来的分析，研究人员可能需要长达半年。而借助Co-Scientist，同样的工作缩短至短短数天。这并非药物，也非承诺，但这是我们在缩小可能性空间速度上的一次巨大飞跃。

究竟什么是逆转细胞年龄的遗传候选因子？

要理解团队在寻找什么，需要先了解科学界对细胞年轻化已有的认知：

• 重编程：2006年，山中伸弥证明，仅通过激活四个基因（OSKM）就能将成熟细胞恢复为干细胞状态。这证明了细胞年龄是可逆的。
• 部分重编程：不是完全抹去细胞身份，而是短暂激活这些基因，使其“年轻化”而不变成干细胞。这样细胞仍然是神经元或皮肤细胞，但更年轻。
• 遗传候选因子：这些是候选因子，即具有实现这种年轻化高潜力的基因或基因组合。其中绝大多数尚未在实验室中测试过。

问题在于搜索空间的大小和分散知识的数量。人类基因组中约有20,000个基因，关于它们功能的知识分散在数万篇科学论文中。手动连接所有这些线索，并确定哪些候选因子值得优先测试，可能需要数月之久。这正是人工智能发挥作用的地方。

与人工智能的联系：一个阅读所有文献的系统

重要的是要理解Co-Scientist能做什么和不能做什么。它并非像AlphaFold那样预测蛋白质三维结构的模型，也不是从原始生物数据中“扫描数百万种基因组合”。相反，它是一个多智能体系统，每个智能体扮演一个角色：一个生成假设，另一个进行批判，再一个进行排序和改进。它们都基于相同的原材料：现有的科学文献。

当团队要求Co-Scientist在文献中寻找可能逆转衰老的因子时，它扫描了数万篇论文，考虑了众多假设，最终提出了20多个新颖且合理的遗传因子供测试。实验室实验验证了它的一些假设：它推荐的几个因子确实将细胞推向更年轻的状态，并改善了整体功能。AI就这样为研究人员聚焦方向：无需自己筛选浩瀚的文献海洋，而是获得一份简短、聚焦的候选因子列表，优先进行测试。

这种区分很重要，因为人们容易混淆两种不同类型的工具。AlphaFold解决了完全不同的问题——结构预测，并因此使团队负责人获得了2024年诺贝尔化学奖（见下文）。相比之下，Co-Scientist是一个“研究伙伴”，综合分散的知识并提出方向。两者都来自DeepMind，但它们是不同类型的工具，回答不同的问题。

行业背景也很重要。DeepMind是Alphabet（谷歌母公司）的一部分，后者还运营着Calico，一家成立于2013年、专门对抗衰老的公司。计算能力、庞大科学文献和几乎无限的资金的结合，正是长寿领域至今所缺乏的。

现有证据

需要精确说明：系统提出遗传候选因子只是开始，而非结束。然而，可以将此次公告置于近年来已证实的背景中，从而理解为何期望值很高。

研究1：2020年眼部细胞年轻化

由David Sinclair领导的哈佛团队证明，通过激活视神经中四个山中因子中的三个（OSK），可以恢复老年小鼠和青光眼小鼠的视力。神经细胞再生，其生物年龄下降（Lu等人，《自然》2020）。这证明了精确的遗传靶点确实能逆转过程。

研究2：AlphaFold与蛋白质结构预测

在另一项不同的成就中，DeepMind于2022年发布了超过2亿个蛋白质的三维结构，几乎涵盖了所有已知蛋白质。这一成就使团队负责人Demis Hassabis和John Jumper获得了2024年诺贝尔化学奖，并证明了人工智能可以解决数十年来被认为无法解决的生物学问题。请注意：这是一个与Co-Scientist不同的工具，但它展示了DeepMind加速生物科学的相同能力。

研究3：大规模细胞图谱

像人类细胞图谱这样的项目已经绘制了来自多种组织和年龄的数百万个单细胞的基因表达谱。这类数据，连同科学文献，是像Co-Scientist这样的系统可以依赖的原材料，以理解在基因水平上什么是“年轻细胞”和“衰老细胞”。

研究4：表观遗传衰老时钟

Horvath时钟及其后继者通过DNA甲基化模式测量生物年龄，精度约为3.6年（平均误差）。这类时钟为研究人员提供了一个客观指标：所提议的遗传改变是否确实降低了年龄。

特定年龄相关疾病呢？

细胞年轻化并非抽象目标。如果我们能成功逆转细胞年龄，其影响将波及所有与年龄相关的疾病：

• 神经退行性疾病：神经元几乎不分裂，因此它们的年轻化可能成为阿尔茨海默病和帕金森病的解决方案，而干细胞在这些情况下无济于事。
• 心脏病：心肌细胞随着年龄增长失去再生能力。部分重编程可能恢复这种能力。
• 免疫系统：免疫细胞的“年轻化”可以恢复随年龄增长而减弱的防御能力，并改善对疫苗的反应。

换句话说，一个能有效识别年轻化遗传靶点的引擎，并非解决单一疾病，而是攻击所有年龄相关疾病的共同根源。

这是我们都期待的突破吗？

这里需要停下来深呼吸。“人工智能逆转衰老”的标题令人兴奋，但从屏幕上的遗传候选因子到人类疗法之间的距离是巨大的。

• 提议并非验证：即使系统提出一个基因作为有希望的候选因子，也需要在活细胞中测试，然后在动物中测试，最后才能在人类中测试。这条路上的失败率非常高。即使在当前例子中，提出的20个因子中也只有一小部分通过了细胞中的初步验证。
• 癌症风险：不加控制地激活山中因子会使细胞变成野生干细胞，可能导致肿瘤。剂量和时间的控制是最大的挑战。
• 时间：即使在最乐观的情况下，人体临床试验也需要7到12年。没有人工智能能缩短安全阶段。
• 炒作与现实：商业公司和标题党喜欢模糊“我们找到了候选因子”和“我们找到了疗法”之间的区别。消费者需要仔细阅读究竟证明了什么。

所以不，我们中没有人会在明年内接受年轻化注射。实际发生的是发现阶段的速度跃升了一个台阶，仅此一点就意义重大。

从这项研究中能学到什么？

即使没有谷歌实验室的访问权限，也有一些实际经验可以立即应用：

1. 不要购买声称基于AI的“年轻化药物”。如果某样东西今天已经在销售，它就没有经过临床验证阶段。保持健康的怀疑态度。
2. 支持你自身的修复机制：体育锻炼、间歇性禁食和优质睡眠会激活那些科学正在试图破解的DNA修复和细胞年轻化通路。
3. 关注你的生物钟：表观遗传年龄测试（如TruAge）已向公众开放，并提供客观指标来衡量生活方式改变的影响。
4. 投资代谢健康：血糖平衡、保持肌肉质量和正常胆固醇水平，即使没有任何遗传干预，也能减缓细胞衰老。
5. 保持关注，但要有耐心：这是一个跳跃式发展的领域。真正的消息将来自临床试验结果，而非新闻稿。

更广阔的视角

DeepMind进入长寿领域标志着比任何单个基因更深刻的变化。它标志着衰老已从一个边缘科学领域转变为世界顶级科技公司竞争的舞台。当谷歌，拥有世界上最强大的AI实验室之一，决定细胞年轻化值得其关注时，整个领域获得了资金、人才和合法性。

但这里也有一个谦逊的提醒。Co-Scientist并没有“解决”生物学问题，它综合了现有知识，并为研究人员提供了更好的地图。人工智能缩小了搜索空间，但它并不能替代验证、安全和理解这些艰苦的工作。基因组不仅仅是需要解码的文本，它是一个活的系统，其反应方式仍令我们惊讶。

值得兴奋的时刻不是算法提出候选因子时，而是实验室中真实的人类细胞因此变得更年轻时。Co-Scientist刚刚缩短了通往那个时刻的道路，但并未消除它。

参考文献：
Google DeepMind: Fast-tracking genetic leads to reverse cellular aging, 19 May 2026